Avaliação de redes neurais deep learning para a classificação de Câncer de mama

Abstract

A visão computacional trata da extração de informações das imagens e da identificação e classificação de objetos presentes nessa imagem. Dentre as áreas de aplicações da visão computacional podem-se citar: robótica, cidades inteligentes e medicina. Na medicina, diagnósticos médicos podem ser auxiliados com o uso de imagens capturadas por raios x, tomografia computadorizada, ressonância magnética e ultrassonografia. Vários campos da medicina têm se beneficiado com o aprimoramento de diagnósticos por meio de imagens, em particular, a oncologia. Com o crescimento da utilização do aprendizado de máquina para tomada de decisão em diversas aplicações reais, a forma de realização da análise de exames de imageamento com aplicações clínicas para o auxílio na tomada de decisões têm se tornado uma solução viável. As aplicações clínicas que utilizam uma abordagem baseada em redes neurais de aprendizado profundo podem determinar com alta precisão se o paciente está saudável, com tumor maligno ou benigno. Nesse contexto, este trabalho realiza uma avaliação modelos de redes neurais de aprendizagem profunda para classificação de câncer de mama utilizando exames de imageamento. Os resultados foram alcançados a partir da realização de avaliação de desempenho de diversas redes neurais, considerando ajustes na primeira arquitetura utilizada e modelos pré-definidos da biblioteca keras. As simulações mostram que o primeiro modelo construído e parte de suas variações, bem como os modelos resnet152v2 e inceptionresnetv2, adotados para a análise comparativa, atingiram a acurácia de 97,72% na classificação do câncer de mama.